基于python及图像识别的围棋棋盘棋子识别3——耗时优化（一行代码速度提高600倍）

悠悠 2022-10-13 01:48 307阅读 0赞

最近在做一个围棋棋盘棋子识别项目，这是该项目第三篇，系列文章如下：

1、[基于python及图像识别的围棋棋盘棋子识别1——定位棋盘位置][python_1]  
2、[基于python及图像识别的围棋棋盘棋子识别2——定位棋子位置及识别棋子颜色][python_2]  
3、[基于python及图像识别的围棋棋盘棋子识别3——耗时优化（一行代码速度提高600倍）][python_3_600]  
4、[基于python及图像识别的围棋棋盘棋子识别4——源码及使用说明][python_4]

### 基于python及图像识别的围棋棋盘棋子识别3——耗时优化 ###

*  一、原始耗时计算
 *  二、耗时优化
 *  三、所有代码

# 一、原始耗时计算 #

根据上篇的代码，我们测量了一下代码耗时，耗时测量加在如下位置

if __name__ =="__main__":
        list0 = [[0 for i in range(19)] for j in range(19)]
        list_finall = []
        img = cv2.imread("./screen/9.jpg")
        start_time = time.time()
        '''******************************************** 1、定位棋盘位置 ********************************************'''
        img_after=dingweiqizi_weizhi(img)
        time1= time.time()
        print(time1- start_time )
        #cv2.imshow("src",img)
    
        '''******************************************** 2、识别棋盘棋子位置及颜色及序号； ********************************************'''
        list1=dingweiqizi_yanse_weizhi(img_after)
        time2= time.time()
        print(time2 - time1)
        print(time2- start_time )

运行一下输出：

0.013026714324951172
    1.3209905624389648
    1.334017276763916

# 二、耗时优化 #

可见在统计黑白像素的时候，耗时很大，占用了总耗时的98%+，因此在这里必须进行耗时优化。我们现在来看看统计黑白像素占比时程序是如何做的

def Heise_zhanbi(img):
        [height, width, tongdao] = img.shape
        #print(width, height, tongdao)
        # cv2.imshow("3", img)
        # cv2.waitKey(20)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # cv2.imshow("binary", gray)
        # cv2.waitKey(100)
    
        etVal, threshold = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)
        # cv2.imshow("threshold", threshold)
        # cv2.waitKey(200)
        a = 0
        b = 0
        for row in range(height):
            for col in range(width):
                val = threshold[row][col]
                if (val) == 0:#黑色
                    a = a + 1
                else:
                    b = b + 1
        zhanbi = (float)(a) / (float)(height*width)
        #print("黑色像素个数", a, "黑色像素占比", zhanbi)
        return zhanbi

可以看到代码里先将图像转换成灰度图，再转换成二值化图像，然后再遍历了图像的像素点进行黑色像素总数的统计。通过观察我们发现这里的操作很多都是可以并行进行的。因此此处我们可以借助python的矩阵运算，简化时间。  
即将代码：

etVal, threshold = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)
        # cv2.imshow("threshold", threshold)
        # cv2.waitKey(200)
        a = 0
        b = 0
        for row in range(height):
            for col in range(width):
                val = threshold[row][col]
                if (val) == 0:#黑色
                    a = a + 1
                else:
                    b = b + 1

用下面一句话即可代替：

a = np.sum(gray < 125)

最终再次运行，测试耗时结果如下：

0.02299642562866211
    0.00600123405456543
    0.02899765968322754

耗时2ms，速度大大提高，提高了**600倍+**。

# 三、所有代码 #

from PIL import ImageGrab
    import numpy as np
    import cv2
    from glob import glob
    import os
    
    import time
    
    
    #Python将数字转换成大写字母
    def getChar(number):
        factor, moder = divmod(number, 26) # 26 字母个数
        modChar = chr(moder + 65)          # 65 -> 'A'
        if factor != 0:
            modChar = getChar(factor-1) + modChar # factor - 1 : 商为有效值时起始数为 1 而余数是 0
        return modChar
    def getChars(length):
        return [getChar(index) for index in range(length)]
    
    
    
    """ "******************************************************************************************* *函数功能 ：统计二值化图片黑色像素点百分比 *输入参数 ：输入裁剪后图像， *返 回 值 ：返回黑色像素点占比0-1之间 *编写时间 ： 2021.6.30 *作 者 ： diyun ********************************************************************************************"""
    def Heise_zhanbi(img):
        [height, width, tongdao] = img.shape
        #print(width, height, tongdao)
        # cv2.imshow("3", img)
        # cv2.waitKey(20)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # cv2.imshow("binary", gray)
        # cv2.waitKey(100)
    
        # etVal, threshold = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)
        # # cv2.imshow("threshold", threshold)
        # # cv2.waitKey(200)
        # a = 0
        # b = 0
        # for row in range(height):
        # for col in range(width):
        # val = threshold[row][col]
        # if (val) == 0:#黑色
        # a = a + 1
        # else:
        # b = b + 1
    
        a = np.sum(gray < 125)
        zhanbi = (float)(a) / (float)(height*width)
        #print("黑色像素个数", a, "黑色像素占比", zhanbi)
        return zhanbi
    
    
    """ "******************************************************************************************* *函数功能 ：统计二值化图片白色像素点百分比 *输入参数 ：输入裁剪后图像， *返 回 值 ：返回白色像素点占比0-1之间 *编写时间 ： 2021.6.30 *作 者 ： diyun ********************************************************************************************"""
    def Baise_zhanbi(img):
        [height, width, tongdao] = img.shape
        #print(width, height, tongdao)
        # cv2.imshow("3", img)
        # cv2.waitKey(20)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # cv2.imshow("binary", gray)
        # cv2.waitKey(100)
    
        # etVal, threshold = cv2.threshold(gray, 235, 255, cv2.THRESH_BINARY)
        # # cv2.imshow("threshold", threshold)
        # # cv2.waitKey(200)
        # a = 0
        # b = 0
        # for row in range(height):
        # for col in range(width):
        # val = threshold[row][col]
        # if (val) == 0:#黑色
        # a = a + 1
        # else:
        # b = b + 1
        b=np.sum(gray>235)
        zhanbi = (float)(b) / (float)(height*width)
        #print("白色像素个数", b, "白色像素占比", zhanbi)
        return zhanbi
    
    """ "******************************************************************************************* *函数功能 ：定位棋盘位置 *输入参数 ：截图 *返 回 值 ：裁剪后的图像 *编写时间 ： 2021.6.30 *作 者 ： diyun ********************************************************************************************"""
    def dingweiqizi_weizhi(img):
        '''******************************************** 1、定位棋盘位置 ********************************************'''
        #img = cv2.imread("./screen/1.jpg")
    
        image = img.copy()
        w, h, c = img.shape
        img2 = np.zeros((w, h, c), np.uint8)
        img3 = np.zeros((w, h, c), np.uint8)
        # img = ImageGrab.grab() #bbox specifies specific region (bbox= x,y,width,height *starts top-left)
    
        hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
        lower = np.array([10, 0, 0])
        upper = np.array([40, 255, 255])
        mask = cv2.inRange(hsv, lower, upper)
        erodeim = cv2.erode(mask, None, iterations=2)  # 腐蚀
        dilateim = cv2.dilate(erodeim, None, iterations=2)
    
        img = cv2.bitwise_and(img, img, mask=dilateim)
        frame = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        ret, dst = cv2.threshold(frame, 100, 255, cv2.THRESH_BINARY)
        contours, hierarchy = cv2.findContours(dst, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
    
    
    
        #cv2.imshow("0", img)
    
        i = 0
        maxarea = 0
        nextarea = 0
        maxint = 0
        for c in contours:
            if cv2.contourArea(c) > maxarea:
                maxarea = cv2.contourArea(c)
                maxint = i
            i += 1
    
        # 多边形拟合
        epsilon = 0.02 * cv2.arcLength(contours[maxint], True)
        if epsilon < 1:
            print("error : epsilon < 1")
            pass
    
        # 多边形拟合
        approx = cv2.approxPolyDP(contours[maxint], epsilon, True)
        [[x1, y1]] = approx[0]
        [[x2, y2]] = approx[2]
    
        checkerboard = image[y1:y2, x1:x2]
        # cv2.imshow("1", checkerboard)
        # cv2.waitKey(1000)
        #cv2.destroyAllWindows()
        return checkerboard
    
    """ "******************************************************************************************* *函数功能 ：定位棋子颜色及位置 *输入参数 ：裁剪后的图像 *返 回 值 ：棋子颜色及位置列表 *编写时间 ： 2021.6.30 *作 者 ： diyun ********************************************************************************************"""
    def dingweiqizi_yanse_weizhi(img):
        '''******************************************** 2、识别棋盘棋子位置及颜色及序号； ********************************************'''
        #img = cv2.imread("./checkerboard/checkerboard_1.jpg")
        img = cv2.resize(img, (724,724), interpolation=cv2.INTER_AREA)
        #cv2.imshow("src",img)
        #cv2.waitKey(1000)
    
        #变量定义
        small_length=38  #每个小格宽高
        qizi_zhijing=38#棋子直径
    
        list = [[0 for i in range(19)] for j in range(19)]
        #print(list)
    
        for i in range(19):
            for j in range(19):
    
                lie = i
                hang = j
    
                Tp_x = small_length * lie
                Tp_y = small_length * hang
                Tp_width = qizi_zhijing
                Tp_height = qizi_zhijing
    
                img_temp=img[Tp_y:Tp_y+Tp_height, Tp_x:Tp_x+Tp_width]#参数含义分别是：y、y+h、x、x+w
    
                heise_zhanbi=Heise_zhanbi(img_temp)
                if heise_zhanbi>0.5:
                    list[hang][lie]=2#黑色
                    print("第", j+1, "行，第", i+1, "列棋子为黑色")
                    #print("当前棋子为黑色")
                else:
                    baise_zhanbi = Baise_zhanbi(img_temp)
                    if baise_zhanbi > 0.15:
                        list[hang][lie] = 1  # 白色
                        print("第", j+1, "行，第",i+1 , "列棋子为白色")
                        #print("当前棋子为白色")
                    else:
                        list[hang][lie] = 0  # 无棋子
                        #print("当前位置没有棋子")
                #print(heise_zhanbi)
        #cv2.imshow("2",img)
        #print("\n")
        #print(list)
        return  list
    
    
    
    if __name__ =="__main__":
        list0 = [[0 for i in range(19)] for j in range(19)]
        list_finall = []
        img = cv2.imread("./screen/9.jpg")
        start_time = time.time()
        '''******************************************** 1、定位棋盘位置 ********************************************'''
        img_after=dingweiqizi_weizhi(img)
        time1= time.time()
        print(time1- start_time )
        #cv2.imshow("src",img)
    
        '''******************************************** 2、识别棋盘棋子位置及颜色及序号； ********************************************'''
        list1=dingweiqizi_yanse_weizhi(img_after)
        time2= time.time()
        print(time2 - time1)
        print(time2- start_time )
        #print(list1)

[python_1]: https://blog.csdn.net/mao_hui_fei/article/details/118363347
[python_2]: https://blog.csdn.net/mao_hui_fei/article/details/118481877
[python_3_600]: https://blog.csdn.net/mao_hui_fei/article/details/118495923
[python_4]: https://blog.csdn.net/mao_hui_fei/article/details/118546899